روش تلفیقی سطح پاسخ و فراکاوشی در بروزرسانی مدل عددی جریان غیردائمی در شبکه رودخانه ای (مطالعه موردی: رودخانه گرمابدر- زیقان)

در تحقیق حاضر روشی جهت بروزرسانی مدلهای عددی پیش بینی جریان غیردائم در شبکه های رودخانه ای با استفاده از ترکیب روش سطح پاسخ و روشهای فراکاوشی توسعه داده شده است. در این راستا شاخه ای از رود گرمابدر (زیقون) جهت مطالعه موردی انتخاب گردید. از نرم افزار Hec-Ras جهت تهیه مدل عددی جریان غیر دائم در شبکه رودخانه ای استفاده شده است. شبکه عصبی نیز برای شبیه-سازی روش عددی انتخاب شده تا در روند استفاده از روش الگوریتم ژنتیک بتوان پارامترهای مورد نظر را بهینه سازی نمود. پس از مدل-سازی جریان غیردائم در نرم افزار Hec-Ras برای بروز رسانی مدل عددی، ضریب مانینگ به عنوان پارامتر تاثیرگذار در نتایج حاصل از نرم افزار Hec-Ras انتخاب گردید. برای بررسی تاثیر این پارامتر و تعیین مقدار بهینه برای بروز رسانی مدل عددی مورد نظر، به تعداد۱۰۰ بار برنامه Hec-Ras به ازای ضرایب مانینگ متفاوت مدل سازی و آنالیز شده و شبکه عصبی با تعداد ۱۰۰۰ لایه درونی آموزش داده شد. نتایج نشان داد که بهینه سازی یک پارامتر موثر در رفتار جریان شبیه سازی شده، روندی فرسایشی و زمان بر است که استفاده از شبکه عصبی به دلیل وجود سرعت همگرایی بالا این روند بسیار سریع تر و قابل اعتمادتر می گردد. از طرف دیگر نتایج بیان کرد که ضرایب مانینگ از پارامترهای بسیار مهم و تاثیرگذار در رفتار جریان شبیه سازی شده است که با تغییری اندک در آن، نتایج مدل شبیه سازی شده دستخوش پراکندگی قابل توجهی می شود که در روند آنالیز بایستی در نظر گرفته شود تا نتایج حاصل با واقعیت تفاوت قابل ملاحظه ای نداشته باشند.

کلیدواژه ها:

الگوریتم ژنتیک ، بهینه سازی ، بروزرسانی مدل های عددی ، شبیه سازی ، نرم افزار Hec-Ras